R Hist：'breaks'值和bin的数量/大小之间的关系

Question

关于 R/ 中的 HIST/hist() 函数，谁能帮我找到：

一个非常简单的定义来解释'breaks'的指定值与直方图中产生的bin数之间的关系？

例如，我使用R工具提供的基本数据集：

data(mtcars)
hist(mtcars$mpg, break=3) --> will draw 3 bins (really??? weird!)
hist(mtcars$mpg, break=4) --> will draw 5 bins 
hist(mtcars$mpg, break=5) --> will draw 5 bins no change, same as breaks=4
hist(mtcars$mpg, break=6) --> will draw 5 bins no change, same as breaks=4
hist(mtcars$mpg, break=7) --> will draw 5 bins no change, same as breaks=4
hist(mtcars$mpg, break=8) --> will draw 5 bins no change, same as breaks=4
hist(mtcars$mpg, break=9) --> will draw 11 bins (why???)

为什么breaks = 4,5,6,7,8 会导致相同的垃圾箱数，而breaks=3 会导致只有4 个垃圾箱，...？

您可以在 ?hist 或以下链接中找到 R 文档： http://localhost//library/graphics/html/hist.html

并没有真正帮助，我试图在“breaks=”中指定的值、bin 的大小和 bin 的数量之间建立任何联系，但我找不到一个简单或简单的公式或解释来扣除这样的“链接”。

我只是不明白“breaks=3”是什么意思？ 它是指“3 次休息”还是“每隔 3 个单位休息一次”或完全不同的意思？

我真的很感激任何提示、帮助、任何形式的指针。

谢谢。

Answer 1

hist 的文档说，当您将中断指定为单个数字（如您所做的那样）时

这个数字只是一个建议；因为断点将设置为 漂亮的价值观

如果您点击pretty 的文档链接，它会显示

选择的值是 10 的 1、2 或 5 倍。

您不能在 1、2、5 或 10 的 4 个均匀间隔的倍数中跨越 10 和 35 之间的间隙，因此它选择了 5 个箱（6 个断点）。如果你真的想要四个均匀间隔的箱子，你可以使用

hist(mtcars$mpg, seq(10,35, length.out=5))

请注意，您需要使用 length.out=5 来获得四个 bin（四个起点加上一个额外的端点）。当然，这并没有给出“漂亮”的值。

如果您不喜欢 x 轴上的刻度不与 bin 对齐，（我不喜欢），您可以在 hist 中省略轴并自行添加。

H = hist(mtcars$mpg, seq(10,35, length.out=5), axes=FALSE, ylim=c(0,14))
axis(side=1, at=seq(10,35, length.out=5))
axis(side=2, pretty(0:14))

进一步解释breaks

文档?hist 在中断下说有 5 种类型的值可以用于中断。您正在使用的是：

给出直方图单元格数量的单个数字

但如上所述，文档添加：

这个数字只是一个建议；断点将设置为漂亮的值。

所以当你给hist 参数breaks=4 时，它知道你想要 4 个箱子，但它也会坚持使用“漂亮”值作为边界，即均匀间隔1,2 的倍数，10 的 5 次方。端点上也可能存在限制。

让我们研究一下它对您的 mtcars$mpg 数据的作用。 通过保存返回值，您可以获得很多关于hist 正在做什么的信息。我还将抑制直方图的实际绘制，因为现在我只对值感兴趣。

HV = hist(mtcars$mpg, 4, plot=FALSE)

你可以打印出HV，看到有很多信息 关于直方图。我们在这里关心的所有内容都存储在breaks。

HV$breaks
[1] 10 15 20 25 30 35

这给出了 bin 的 6 个边界值（需要 5 个 bin 6 个边界值）。但是我们要了 4 个箱子，而不是 5 个！如果你分开 范围 10-35 分为四个箱子，你得到了边界 10、16.25、22.5、28.75 和 35。这些不是“漂亮”的边界值。 相反，hist 使用pretty 函数来找到更好的边界值，但这意味着它必须放弃使用 4 个 bin。

对于一系列中断值，我们得到多少个中断点？ 让我们尝试 2 次中断，最多 20 次中断。

sapply(2:20, function(n) 
    length(hist(mtcars$mpg, n, plot=FALSE)$breaks))
 [1]  4  4  6  6  6  6  6 13 13 13 13 13 13 13 13 25 25 25 25

再次注意：4 个断点意味着 3 个 bin。 6 个断点意味着 5 个 bin。只有四种不同 创建的拆分。它们是什么？

unique(lapply(2:20, function(n) hist(mtcars$mpg, n, plot=FALSE)$breaks))
[[1]]
[1] 10 20 30 40
[[2]]
[1] 10 15 20 25 30 35
[[3]]
 [1] 10 12 14 16 18 20 22 24 26 28 30 32 34
[[4]]
 [1] 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

边界变化 10、5 2 或 1 - 漂亮的边界。

如果你想拥有更多的控制权，你需要能够指定 你想要的边界。这就是我在上面的例子中所做的。指定breaks 的其他选项之一是：

给出直方图单元格之间断点的向量

这是我在指定seq(10,35, length.out=5) 时使用的。 但请注意这些值：

seq(10,35, length.out=5)
[1] 10.00 16.25 22.50 28.75 35.00

不漂亮。

所以你可以轻松漂亮，但没有很好的控制 超过垃圾箱的数量，或者您可以控制数量 以更多的工作和更丑陋的边界为代价的垃圾箱。